Object Tracking in Computer Vision

1. 소개
1. 컴퓨터 비전 분야에서 tracking이 적용되는 경우는 상당히 많습니다.
1. motion-based recognition, automated surveillance, video indexing, human-computer interaction, traffic monitoring, vehicle navigation
2. tracking이 어려운 이유
1. noise, complex object motion, partial and full object occlusions, complex object shapes, scene illumination changes, real-time processing requirements
2. Object Representation
   tracking에 앞서 대상 물체를 어떻게 표현 할 지를 정해야 합니다. 그 방법들은 크게 다음과 같습니다.
1. Points
1. 물체의 중심을 점으로 표현하는 방법으로 물체가 작을 경우 유용.
2. 여러개의 점으로 물체를 표현
2. Primitive geometric shapes
   물체를 사각형이나 타원으로 표현하는 방법으로 단순한 물체의 추적에 용이함.
3. Object silhouette and contour
   물체의 외곽선을 표현하는 방법으로 복잡하고 변형이 있는 물체의 추적에 용이함.
4. Articulated shape models
   물체의 관절들을 모델링하는 방법으로 관절로 이루어진 물체를 추적하는데 용이
5. Skeletal models
6. appearance features


1. Probability densities of object appearance.
   가우시안 또는 과같은 확률 밀도 함수를 이용하여 물체를 표현
2. Templates
   이미지의 간단한 패치를 이용하는 경우
3. Active appearance models
   landmarks를 이용하여 물체의 모양을 정의
4. Multiview appearance models
   다양한 각도에서 물체를 정의
3. Feature Selection for Tracking
   visual feature를 정의
1. Color
2. Edges
3. Optical Flow
4. Texture
4. Object Detection
   추적에 앞서, 초기에 물체를 탐지해야하며 추적과 결합하여 더 좋은 성능을 발휘한다.
1. Point detectors
   SIFT, SURF, KLT, Harris corner
2. Background Subtraction
   카메라가 고정되어 있는 경우 배경을 제거함으로 대상물체를 쉽게 탐지 할 수 있다.
3. Segmentation
1. Mean-Shift Clustering
2. Graph-Cuts
3. Active Contours
4. Supervised Classifiers
   기계학습 방법을 이용하여 물체를 탐지
1. Apdative Boosting
2. SVM
3. Random Forest
5. Object Tracking
   
   
   

이 문서는 다음 survey를 바탕으로 정리된 문서입니다.

Object tracking: A survey

A Yilmaz, O Javed, M Shah - Acm Computing Surveys (CSUR), 2006 - dl.acm.org